HOLA Y BIENVENID@

EXPLORA MI PROPÓSITO

Enfocado en la calidad de la informacion

Más de 2 años en la recoleccion, Transformaciones y preparaciones en los datos para estructurar informes y dashboards que brindan informacion accionable para empresas.

Comunicación concisa

Informes en pdf, dashboards en powerbi, inforgraficas generadas con Gemini IA. o dashboards web con graficas de Apache Echarts

Automatizacion de procesos

Flujos de trabajo en n8n personalizados o utilizando librerias como selenium y bash scripting segun las necesidades del negocio en ahorrar tiempo y costos en generacion, envio y transforamcion de registros.

Resultados verificables y graficamente entendibles

Metodologías claras, cronogramas realistas y entregables enfocados en la creacion de insights accionables para el negocio.

Estructurando mi trabajo con la metodologia CRISP-DM, recolectando, modificando, limpiando y visualizado usando la Arquitecura medallion
He Apoyado la recoleccion de informacion para facilitar la toma de decisiones informadas y eficientes para empresas

SOBRE MI TRABAJO

Mi objetivo es fortalecer la Gobernanza del Dato para empresas implementando cada nivel de la analitica para generar valor

Descriptivo

¿Qué pasó? Recolecto y Analiza datos históricos (ej. reportes de ventas totales). Usa dashboards, informes y KPIs

Diagnostico

¿Por qué pasó? Identifica causas de eventos mediante correlaciones o drill-down (ej. caída de ventas en cierto periodo de tiempo).

Predictivo

¿Qué pasará? Usar ML(machine-learning) para pronosticar tendencias o segmentar grupos de clientes(ej. predecir ventas futuras o tendencias por region y productos para Clientes).

Prescriptivo

¿Qué hacer? Recomienda acciones basadas en las predicciones (ej. ajustar inventario según forecast o promocionar productos segun patrones de compra en el cliente).

SERVICIOS

Nivel excepcional de servicio

Entendimiento del negocio

Arquitectura de datos

Algoritmos y modelos predictivos

Uso de LLM's e integraciones

Automatizacion y reportes

Consultoría estratégica para empezar a usar los datos

Hago un inventario de Fuentes de Datos Existentes.

Despues Formularios Digitales Estandarizados con Typeform.

Automatización con Herramientas No-Code como n8n.

Digitalización de Procesos Manuales Convertir papel o PDFs en datos estructurados.

Arquitectura de Datos

Desarrollo de infraestructura para el manejo de datos basandonos Medallion Architecture.

el objetivo inicial es empezar a capturar información de manera ordenada, confiable y útil para luego evolucionar hacia una gestión más analítica.

Desarrollo de Modelos Predictivos

Desarrollo de Modelos Predictivos para la predicción de ventas, demanda, inventario, etc.

Facilita la toma de decisiones en tiempo real.

Permite optimizar recursos y reducir costos.

Permite mejorar la eficiencia operativa.

Permite mejorar la satisfacción del cliente.

GPT's personalizados para el uso de datos

Desarrollo de GPT's personalizados para el uso de datos.

Los GPTS personalizados permiten resolver consultas del usuario sobre los datos.

Se integran con herramientas como n8n y Power BI.

Permite mejorar el tiempo de respuesta frente a preguntas del usuario y/o el dueño del negocio

Uso de IA(Qwen1.5-32B-Chat) para el analisis de datos

Tambien se pueden usar modelos de IA locales para el analisis de datos y proteccion de la informacion.

Se integran directamente desde el navegador con el modelo Qwen1.5-32B-Chat

Permite proteger la informacion de manera mas segura y privada. usando un modelo de IA local.

Testimonios

ALIADOS Y CLIENTES SOBRE EL IMPACTO DE NUESTRO TRABAJO

Oscar integra la voz comunitaria con criterios técnicos claros. Sus propuestas elevan la calidad ambiental y social del proyecto.

María Pérez

Fondo Acción

La metodología de trabajo permitió tomar decisiones informadas y sustentables, con resultados visibles en territorio.

Andrés Gómez

PNUD

Mi trayectoria educativa

Formación y experiencia

2018
Platzi

Fundamentos para el desarrollo de software

Certificacion en uso de Git y Github.

Certificacion en Fundamentos de Ingenieria del software.

Certificacion en uso de Docker.

Certificacion en Teletrabajo o trabajo remoto.
2021
Servicio nacional de aprendizaje

SENA

Tecnico en programacion de software.

Diseño de bases de datos relacionales.

Modelos de calidad de software.

Arquitectura de computadores.
UMANIZALES

Universidad de manizales

Ingenieria en Analitica de datos.
2025

-->

PROYECTOS RECIENTES

Modelos predictivos, algoritmos de clasificacion, Dashboard de ejemplos y Uso de SQL

Notebook usando t-students

Ambiental

K medios para segmentacion

Ecoturismo

Analisis Exploratorio de datos

Comunitario

Regresion Lineal Multiple

Ambiental

Analisis por componentes

Ecoturismo

Arboles de decision

Comunitario

Bases de datos relacionales

Ecoturismo

Dashboards

Ambiental

Hablemos de mi trabajo

Conversemos sobre objetivos, contexto, procesos y proyecciones.

HABLEMOS

Clientes y aliados

Sigueme en Twitter

Constantemente en aprendizaje.

sígueme

CONTACTO GERONIMO

Aquí estoy

	age	campaign
0	56	1
1	57	1
2	37	1
3	40	1
4	56	1

	Age	Gender	Heart rate	Systolic blood pressure	Diastolic blood pressure	Blood sugar	CK-MB	Troponin	Result
0	64	1	66	160	83	160.0	1.80	0.012	negative
1	21	1	94	98	46	296.0	6.75	1.060	positive
2	55	1	64	160	77	270.0	1.99	0.003	negative
3	64	1	70	120	55	270.0	13.87	0.122	positive
4	55	1	64	112	65	300.0	1.08	0.003	negative

	0
Age	int64
Gender	int64
Heart rate	int64
Diastolic blood pressure	int64
Blood sugar	float64
Troponin	float64
Result	int64

	Age	Gender	Heart rate	Diastolic blood pressure	Blood sugar	Troponin	Result
count	1319.000000	1319.000000	1319.000000	1319.000000	1319.000000	1319.000000	1319.000000
mean	56.191812	0.659591	78.336619	72.269143	146.634344	0.360942	0.614102
std	13.647315	0.474027	51.630270	14.033924	74.923045	1.154568	0.486991
min	14.000000	0.000000	20.000000	38.000000	35.000000	0.001000	0.000000
25%	47.000000	0.000000	64.000000	62.000000	98.000000	0.006000	0.000000
50%	58.000000	1.000000	74.000000	72.000000	116.000000	0.014000	1.000000
75%	65.000000	1.000000	85.000000	81.000000	169.500000	0.085500	1.000000
max	103.000000	1.000000	1111.000000	154.000000	541.000000	10.300000	1.000000

	modelo	cilindraje	potencia	peso	consumo
0	Maserati	2789	209	1485	14.5
1	Daihatsu	846	32	650	5.7
2	Toyota	1331	55	1010	7.1
3	Fort	1390	54	1110	8.6
4	Mazda	2497	122	1330	10.8
5	Volvo	2473	125	1570	12.7
6	Toyota	2438	97	1800	12.8
7	Renault	2165	101	1500	11.7
8	Honda	1396	66	1140	7.7
9	VW	1984	85	1155	9.5
10	Suzuki	993	39	790	5.8
11	Lancia	2958	150	1550	11.9
12	Mercedes	5987	300	2250	18.7
13	Volvo	2435	106	1370	10.8
14	VW	1390	44	955	6.5
15	Hyundai	2972	107	1400	11.7
16	Opel	1195	33	895	6.8
17	Opel	1597	74	1080	7.4
18	Peugeot	1761	74	1100	9.0
19	Mitsubishi	1998	66	1300	7.6
20	Citroen	1998	89	1140	8.8
21	Peugeot	1998	89	1560	10.8
22	Fiat	899	29	730	6.1
23	Seat	1984	85	1635	11.6
24	Ford	1242	55	940	6.6

	cilindraje	potencia	peso	consumo
count	25.000000	25.000000	25.000000	25.000000
mean	2028.640000	91.440000	1257.800000	9.648000
std	1036.760776	59.611995	365.957876	3.149751
min	846.000000	29.000000	650.000000	5.700000
25%	1390.000000	55.000000	1010.000000	7.100000
50%	1984.000000	85.000000	1155.000000	9.000000
75%	2438.000000	106.000000	1500.000000	11.700000
max	5987.000000	300.000000	2250.000000	18.700000

	cilindraje	potencia	peso	consumo
cilindraje	1.000000	0.947032	0.874818	0.915156
potencia	0.947032	1.000000	0.827966	0.925451
peso	0.874818	0.827966	1.000000	0.942124
consumo	0.915156	0.925451	0.942124	1.000000

	mean radius	mean texture	mean perimeter	mean area	mean smoothness	mean compactness	mean concavity	mean concave points	mean symmetry	mean fractal dimension	...	worst texture	worst perimeter	worst area	worst smoothness	worst compactness	worst concavity	worst concave points	worst symmetry	worst fractal dimension
0	17.99	10.38	122.80	1001.0	0.11840	0.27760	0.3001	0.14710	0.2419	0.07871	...	17.33	184.60	2019.0	0.1622	0.6656	0.7119	0.2654	0.4601	0.11890
1	20.57	17.77	132.90	1326.0	0.08474	0.07864	0.0869	0.07017	0.1812	0.05667	...	23.41	158.80	1956.0	0.1238	0.1866	0.2416	0.1860	0.2750	0.08902
2	19.69	21.25	130.00	1203.0	0.10960	0.15990	0.1974	0.12790	0.2069	0.05999	...	25.53	152.50	1709.0	0.1444	0.4245	0.4504	0.2430	0.3613	0.08758
3	11.42	20.38	77.58	386.1	0.14250	0.28390	0.2414	0.10520	0.2597	0.09744	...	26.50	98.87	567.7	0.2098	0.8663	0.6869	0.2575	0.6638	0.17300
4	20.29	14.34	135.10	1297.0	0.10030	0.13280	0.1980	0.10430	0.1809	0.05883	...	16.67	152.20	1575.0	0.1374	0.2050	0.4000	0.1625	0.2364	0.07678

	mean radius	mean texture	mean perimeter	mean area	mean smoothness	mean compactness	mean concavity	mean concave points	mean symmetry	mean fractal dimension	...	worst texture	worst perimeter	worst area	worst smoothness	worst compactness	worst concavity	worst concave points	worst symmetry	worst fractal dimension	label
564	21.56	22.39	142.00	1479.0	0.11100	0.11590	0.24390	0.13890	0.1726	0.05623	...	26.40	166.10	2027.0	0.14100	0.21130	0.4107	0.2216	0.2060	0.07115	Benign
565	20.13	28.25	131.20	1261.0	0.09780	0.10340	0.14400	0.09791	0.1752	0.05533	...	38.25	155.00	1731.0	0.11660	0.19220	0.3215	0.1628	0.2572	0.06637	Benign
566	16.60	28.08	108.30	858.1	0.08455	0.10230	0.09251	0.05302	0.1590	0.05648	...	34.12	126.70	1124.0	0.11390	0.30940	0.3403	0.1418	0.2218	0.07820	Benign
567	20.60	29.33	140.10	1265.0	0.11780	0.27700	0.35140	0.15200	0.2397	0.07016	...	39.42	184.60	1821.0	0.16500	0.86810	0.9387	0.2650	0.4087	0.12400	Benign
568	7.76	24.54	47.92	181.0	0.05263	0.04362	0.00000	0.00000	0.1587	0.05884	...	30.37	59.16	268.6	0.08996	0.06444	0.0000	0.0000	0.2871	0.07039	Malignant

	feature0	feature1	feature2	feature3	feature4	feature5	feature6	feature7	feature8	feature9	...	feature20	feature21	feature22	feature23	feature24	feature25	feature26	feature27	feature28	feature29
564	2.110995	0.721473	2.060786	2.343856	1.041842	0.219060	1.947285	2.320965	-0.312589	-0.931027	...	1.901185	0.117700	1.752563	2.015301	0.378365	-0.273318	0.664512	1.629151	-1.360158	-0.709091
565	1.704854	2.085134	1.615931	1.723842	0.102458	-0.017833	0.693043	1.263669	-0.217664	-1.058611	...	1.536720	2.047399	1.421940	1.494959	-0.691230	-0.394820	0.236573	0.733827	-0.531855	-0.973978
566	0.702284	2.045574	0.672676	0.577953	-0.840484	-0.038680	0.046588	0.105777	-0.809117	-0.895587	...	0.561361	1.374854	0.579001	0.427906	-0.809587	0.350735	0.326767	0.414069	-1.104549	-0.318409
567	1.838341	2.336457	1.982524	1.735218	1.525767	3.272144	3.296944	2.658866	2.137194	1.043695	...	1.961239	2.237926	2.303601	1.653171	1.430427	3.904848	3.197605	2.289985	1.919083	2.219635
568	-1.808401	1.221792	-1.814389	-1.347789	-3.112085	-1.150752	-1.114873	-1.261820	-0.820070	-0.561032	...	-1.410893	0.764190	-1.432735	-1.075813	-1.859019	-1.207552	-1.305831	-1.745063	-0.048138	-0.751207

	principal component 1	principal component 2	principal component 3
564	6.439315	-3.576818	2.459482
565	3.793382	-3.584048	2.088476
566	1.256179	-1.902297	0.562733
567	10.374794	1.672010	-1.877028
568	-5.475243	-0.670637	1.490434

Soy Geronimo Saldaña Espinal

HOLA Y BIENVENID@

Enfocado en la calidad de la informacion

Comunicación concisa

Automatizacion de procesos

Resultados verificables y graficamente entendibles

SOBRE MI TRABAJO

Descriptivo

Diagnostico

Predictivo

Prescriptivo

SERVICIOS

Consultoría estratégica para empezar a usar los datos

Arquitectura de Datos

Desarrollo de Modelos Predictivos

GPT's personalizados para el uso de datos

Uso de IA(Qwen1.5-32B-Chat) para el analisis de datos

Testimonios

María Pérez

Andrés Gómez

Mi trayectoria educativa

PROYECTOS RECIENTES

Notebook usando t-students

K medios para segmentacion

Analisis Exploratorio de datos

Regresion Lineal Multiple

Analisis por componentes

Arboles de decision

Bases de datos relacionales

Dashboards

Hablemos de mi trabajo

Clientes y aliados

CONTACTO GERONIMO